لقد دفعت التطورات الحديثة في تمييز الملابس إلى إنشاء مجموعات بيانات مخصصة للملابس. تُعاني المجموعات الحالية من نقص في كمية التسميات، كما أنها تواجه صعوبات في التعامل مع التحديات المتنوعة التي تظهر في التطبيقات الواقعية. في هذا العمل، نقدم "DeepFashion"، وهي مجموعة بيانات كبيرة الحجم للملابس، مُعدّة بتفاصيل تسمية شاملة. تضم أكثر من 800,000 صورة، مُسَمَّة بشكل غني بسلسلة واسعة من السمات، وعلامات ملابس، وتوافق بين الصور المُلتقطة في سياقات مختلفة، بما في ذلك المتاجر، واللقطات الشارعية، والصور التي يلتقطها المستهلكون. تتيح هذه التسميات الغنية تطوير خوارزميات قوية لتمييز الملابس، وتسهيل الأبحاث المستقبلية. ولإظهار مزايا DeepFashion، نقترح نموذجًا عميقًا جديدًا يُسمى "FashionNet"، الذي يتعلم خصائص الملابس من خلال التنبؤ المشترك بسمات الملابس وعلامات المواقع. ثم تُستخدم العلامات المقدرة لاستخلاص أو التحكم في الميزات المُتعلمة، مع تحسين النموذج بطريقة تكرارية. أظهرت التجارب الواسعة فعالية FashionNet، وفائدة DeepFashion في تطوير الأداء في مجال تمييز الملابس.